Online konvertor OXPS do TXT zdarma

Některé aplikace, skripty a indexovací systémy přijímají prostý text, ale nedokážou číst dokumenty OXPS s pevným rozvržením. Převod do TXT extrahuje znaky dokumentu do malého, široce podporovaného souboru, který lze upravovat, prohledávat nebo automaticky zpracovávat.

Co je formát OXPS

OXPS, také nazývaný OpenXPS, je dokumentový formát Microsoftu s pevným rozvržením, založený na XML a zabalených zdrojích. Balíček .oxps může obsahovat geometrii stránek, text, písma, obrázky a instrukce pro kreslení, čímž zachovává vzhled vytištěné stránky, místo aby umožňoval změnu toku obsahu jako textový procesor.

Windows 8 a novější mohou vytvářet soubory OXPS prostřednictvím Microsoft XPS Document Writer, když je dokument vytištěn do souboru ve formátu XPS. Soubory OXPS mohou také pocházet ze software, který podporuje dokumentovou technologii XPS společnosti Microsoft. XPS Viewer může zobrazovat podporované soubory v systémech Windows, kde je nainstalována volitelná funkce, neposkytuje však konzistentní přímý export do prostého textu.

OXPS není totožný se starším formátem XPS. Starší verze Windows a starší nástroje XPS mohou vyžadovat nejprve převod souboru OXPS na XPS; pouhá změna přípony tento převod neprovede.

Co je formát TXT

TXT je soubor s neformátovanými znaky. Ukládá text bez rozměrů stránek, písem, obrázků, tabulek, hypertextových odkazů nebo jiných instrukcí rozvržení, takže jej lze otevřít v aplikaci Notepad, textových editorech, terminálech, skriptech a aplikacích prakticky v jakémkoli operačním systému.

TXT je vhodný, když je důležitější znění než původní vzhled stránky, například pro vyhledávání, indexování, kopírování citací, workflow pro přístupnost a automatizované zpracování. Jeho malá velikost a kompatibilita jsou vykoupeny ztrátou formátování a vizuálních informací.

Jak převést OXPS na TXT

Použití integrovaného převaděče

1. Otevřete převaděč OXPS na TXT na webu 101convert.com.
2. Nahrajte soubor .oxps a jako výstupní formát zvolte TXT.
3. Spusťte převod a stáhněte vygenerovaný soubor .txt.
4. Otevřete výsledek v textovém editoru a zkontrolujte konce odstavců, pořadí stránek, tabulky a znaky mimo ASCII.

Tato metoda nevyžaduje instalaci a je vhodná pro příležitostné převody. Nenahrávejte důvěrné dokumenty, pokud zásady nakládání se soubory dané služby nesplňují vaše požadavky.

Použití MuPDF lokálně

MuPDF obsahuje nástroj příkazového řádku mutool, který dokáže extrahovat text z podporovaných souborů XPS a OpenXPS. Po instalaci aktuálního sestavení MuPDF spusťte:

mutool draw -F txt -o output.txt input.oxps

Nahraďte input.oxps názvem zdrojového souboru a output.txt požadovaným cílem. Chcete-li extrahovat stránky 1 až 5, použijte:

mutool draw -F txt -o output.txt input.oxps 1-5

Pro dávkový převod spusťte příkaz pro každý soubor ve smyčce shellu nebo PowerShellu. Pokud nainstalované sestavení nedokáže otevřít konkrétní soubor OXPS, převeďte jej nejprve pomocí desktopové aplikace s podporou XPS na PDF a poté extrahujte text z PDF pomocí nástroje pro extrakci textu z PDF. Vytvoření PDF jako mezikroku může způsobit další problémy s pořadím čtení a písmy.

Omezení kvality a kompatibility

Extrakce do TXT nereprodukuje návrh stránek OXPS. Vícesloupcová rozvržení, postranní panely, umístěné popisky, tabulky, záhlaví a zápatí se mohou zobrazit v neočekávaném pořadí nebo být odděleny mezerami a zalomeními řádků.

Stránky obsahující pouze obrázky neobsahují žádná znaková data, která by běžný extraktor textu mohl použít. Před převodem nebo během něj vyžadují OCR; OCR může nesprávně rozpoznat znaky, symboly, tabulky a skeny s nízkým rozlišením.

Vložená písma a neobvyklé znaky Unicode mohou odhalit omezení extraktoru. Pokud zdroj obsahuje znaky s diakritikou, nelatinská písma nebo speciální symboly, otevřete výstup v editoru, který správně rozpozná kódování, a v případě potřeby jej uložte jako UTF-8. Soubor TXT nemůže zachovat obrázky, odkazy, styl písma, pozice na stránce ani spolehlivou strukturu tabulek.